![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器视觉
文章平均质量分 91
catog
机器视觉
展开
-
《机器视觉》笔记—视觉图像特征信息提取
3.1 图像边缘与图像平滑3.1.1 图像边缘阶跃边缘阶跃边缘表现为图像亮度在不连续处的两边的像素灰度值有明显差异,在实际图像中,阶跃边缘变成斜坡形边缘。如图(a)中的第三幅图,阶跃边缘图像亮度的一阶导数的幅度在阶跃边缘上非常大,而在非边缘上为零。而二阶导数值为零,但其左右分别有一正一负两个峰值。线条边缘线条边缘边线为图像亮度从一个灰度变化到另一个灰度,之后又很快返回原来的灰度。现实中,线条边缘呈屋顶形,其图像亮度一阶导数为零,二阶导数的幅度最大。3.1.2 图像平滑滤波图像滤波是通过原创 2021-06-25 15:19:06 · 905 阅读 · 0 评论 -
《机器视觉》笔记—空间几何变换与摄像机模型
2.1 空间几何变换本章主要讲解射影变换、仿射变换、比例变换和欧氏变换,以及各种变换的不变量性质。2.1.1 齐次坐标齐次坐标是由n+1维向量表示一个n维向量,n维空间中,非齐次坐标为(P1,P2…Pn),是唯一的。齐次坐标为(hP1,hP2…hPn,h),是不唯一的。齐次坐标的表示方法的优越性:1.能够明确地区分向量和点对于一个向量v以及基oabc,向量可以表示为:v = v1a + v2b + v3c,而对于一个点p,我们把点的位置看作是对这个基的原点o所进行的一个位移,即一个向量p –原创 2021-06-25 15:17:56 · 1044 阅读 · 0 评论